Name: jumpn: a streamlined application for protein co-expression clustering and network analysis in proteomics
Uploaded: 2021-10-19T13:30:00
Description: Watch this Scientific Journal Video about JUMPn: A Streamlined Application for Protein Co-Expression Clustering and Network Analysis in Proteomics at JoVE.com

Финансовая поддержка была предоставлена Национальными институтами здравоохранения (NIH) (R01AG047928, R01AG053987, RF1AG064909, RF1AG068581 и U54NS110435) и ALSAC (Американские ливанские сирийские ассоциированные благотворительные организации). Анализ РС был проведен в Центре протеомики и метаболомики детской исследовательской больницы Святого Иуды, который был частично поддержан грантом поддержки Онкологического центра NIH (P30CA021765). Содержание является исключительной ответственностью авторов и не обязательно отражает официальную точку зрения Национальных институтов здравоохранения.

ПРИМЕЧАНИЕ: В этом протоколе использование JUMPn иллюстрируется использованием опубликованного набора данных о профилировании всего протеома во время дифференцировки В-клеток, количественно определяемого изобарическим реагентомметки TMT 27.
1. Настройка прогр?...

Здесь мы представили наше программное обеспечение JUMPn и его протокол, которые были применены в нескольких проектах для препарирования молекулярных механизмов с использованием глубоких количественных данных протеомики 25,26,27,30,64<...

Протоомика дробовика на основе масс-спектрометрии стала ключевым подходом к анализу разнообразия протеомов сложных образцов1. С последними достижениями в области масс-спектрометрических приборов 2,3, хроматографии 4,5, обнаружения подвижности ионов6, методов сбора (независимый от данных7 и зависящий от данных сбор8), подходов к количественной оценке (метод многоплексной маркировки изобарических пептидов, например, TMT 9,10 и количественной оценки без маркировки11,12) и стратегий анализа данных/ Разработка программного обеспечения 13,14,15,16,17,18, количественная оценка всего протеома (например, более 10 000 белков) теперь является рутинной 19,20,21. Тем не менее, как получить механистическое понимание из таких глубоких количественных наборов данных, все еще сложно22. Первоначальные попытки исследования этих наборов данных основывались преимущественно на аннотации отдельных элементов данных, рассматривая каждый компонент (белок) независимо. Однако биологические системы и их поведение не могут быть объяснены исключительно путем изучения отдельных компонентов23. Поэтому системный подход, который помещает количественные биомолекулы в контекст сетей взаимодействия, имеет важное значение для понимания сложных систем и связанных с ними процессов, таких как эмбриогенез, иммунный ответ и патогенез заболеваний человека24.
Сетевая системная биология стала мощной парадигмой для анализа крупномасштабных количественных данных протеомики 25,26,27,28,29,30,31,32,33. Концептуально сложные системы, такие как клетки млекопитающих, могут быть смоделированы как иерархическая сеть34,35, в которой вся система представлена в уровнях: сначала рядом крупных компонентов, каждый из которых затем итеративно моделируется более мелкими подсистемами. Технически структура динамики протеомов может быть представлена взаимосвязанными сетями коэкспрессированных белковых кластеров (поскольку коэкспрессированные гены/белки часто имеют сходные биологические функции или механизмы регуляции36) и физически взаимодействующими модулямиPPI 37. В качестве недавнего примера25 мы сгенерировали временные профили всего протеома и фосфопротеома во время активации Т-клеток и использовали интегративные сети коэкспрессии с ИПП для идентификации функциональных модулей, которые опосредуют выход Т-клеток из покоя. Было выделено и экспериментально проверено несколько модулей, связанных с биоэнергетикой (например, миторибосомы и комплексные модулиIV 25 и одноуглеродный модуль38). В другом примере26 мы еще больше расширили наш подход к изучению патогенеза болезни Альцгеймера и успешно определили приоритеты прогрессирования заболевания, связанных с белковыми модулями и молекулами. Важно отметить, что многие из наших непредвзятых открытий были подтверждены независимыми когортами пациентов26,29 и / или моделями мышей с заболеваниями26. Эти примеры проиллюстрировали силу подхода системной биологии для препарирования молекулярных механизмов с помощью количественной протеомики и других омических интеграций.
Здесь мы представляем JUMPn, оптимизированное программное обеспечение, которое исследует количественные данные протеомики с использованием сетевых системных подходов к биологии. JUMPn служит последующим компонентом установленного пакета программного обеспечения протеомики JUMP 13,14,39 и направлен на заполнение пробела от отдельных количественных оценок белка до биологически значимых путей и белковых модулей с использованием подхода системной биологии. Принимая матрицу количественной оценки дифференциально экспрессированных (или наиболее изменчивых) белков в качестве входных данных, JUMPn стремится организовать протеом в многоуровневую иерархию белковых кластеров, совместно экспрессируемых в образцах и плотно связанных модулях PPI (например, белковых комплексах), которые дополнительно аннотируются в общедоступных базах данных путей путем анализа чрезмерного представления (или обогащения) (рисунок 1). JUMPn разработан с использованием платформы R/Shiny40 для удобного интерфейса и объединяет три основных функциональных модуля: кластерный анализ коэкспрессии, анализ обогащения путей и сетевой анализ PPI (рисунок 1). После каждого анализа результаты автоматически визуализируются и настраиваются с помощью функций виджетов R/shiny и легко загружаются в виде таблиц публикации в формате Microsoft Excel. В следующем протоколе мы используем количественные данные всего протеома в качестве примера и описываем основные этапы использования JUMPn, включая установку программного обеспечения JUMPn, определение дифференциально экспрессированных белков или (дис)регулируемого протеома, анализ сети коэкспрессии и анализ модуля PPI, визуализацию и интерпретацию результатов, а также устранение неполадок. Программное обеспечение JUMPn находится в свободном доступе на GitHub41.

<table border="1" fo:keep-together.within-page="1" fo:keep-with-next.within-page="always">
	<tbody>
		<tr>
			<td>MacBook Pro with a 2.3 GHz Quad-Core Processor running OS 10.15.7.</td>
			<td>Apple Inc.</td>
			<td>MacBook Pro 13&#39;&#39;</td>
			<td>Hardware used for software development and testing</td>
		</tr>
		<tr>
			<td>Anoconda</td>
			<td>Anaconda, Inc.</td>
			<td>version 4.9.2</td>
			<td>https://docs.anaconda.com/anaconda/install/</td>
		</tr>
		<tr>
			<td>miniconda</td>
			<td>Anaconda, Inc.</td>
			<td>version 4.9.2</td>
			<td>https://docs.conda.io/en/latest/miniconda.html</td>
		</tr>
		<tr>
			<td>RStudio</td>
			<td>RStudio Public-benefit corporation</td>
			<td>version 4.0.3</td>
			<td>https://www.rstudio.com/products/rstudio/download/</td>
		</tr>
		<tr>
			<td>Shiny Server</td>
			<td>RStudio Public-benefit corporation</td>
			<td></td>
			<td>https://shiny.rstudio.com/articles/shinyapps.html</td>
		</tr>
	</tbody>
</table>

jumpn: a streamlined application for protein co-expression clustering and network analysis in proteomics

С недавними достижениями в технологиях протеомики на основе масс-спектрометрии глубокое профилирование сотен протеомов становится все более осуществимым. Однако получение биологической информации из таких ценных наборов данных является сложной задачей. Здесь мы представляем программное обеспечение JUMPn на основе системной биологии и связанный с ним протокол для организации протеома в кластеры экспрессии белка в образцах и сетях белково-белкового взаимодействия (PPI), соединенных модулями (например, белковыми комплексами). Используя платформу R/Shiny, программное обеспечение JUMPn упрощает анализ кластеризации коэкспрессии, обогащения путей и обнаружения модуля PPI с интегрированной визуализацией данных и удобным интерфейсом. Основные этапы протокола включают установку программного обеспечения JUMPn, определение дифференциально экспрессированных белков или (дис)регулируемого протеома, определение значимых кластеров коэкспрессии и модулей PPI, а также визуализацию результатов. Хотя протокол демонстрируется с использованием профиля протеома на основе изобарической маркировки, JUMPn обычно применим к широкому спектру количественных наборов данных (например, протеомика без меток). Таким образом, программное обеспечение и протокол JUMPn обеспечивают мощный инструмент для облегчения биологической интерпретации в количественной протеомике.

Мы использовали наши опубликованные наборы данных глубокой протеомики 25,26,27,30 (рисунки 5 и 6), а также моделирование данных 57 (таблица 1) для оптимизации и оценки пр?...

Watch this Scientific Journal Video about JUMPn: A Streamlined Application for Protein Co-Expression Clustering and Network Analysis in Proteomics at JoVE.com

JUMPn: A Streamlined Application for Protein Co-Expression Clustering and Network Analysis in Proteomics

Мы представляем инструмент системной биологии JUMPn для выполнения и визуализации сетевого анализа количественных данных протеомики с подробным протоколом, включающим предварительную обработку данных, кластеризацию коэкспрессии, обогащение путей и сетевой анализ белково-белкового взаимодействия.

JUMPn: оптимизированное приложение для кластеризации коэкспрессии белка и сетевого анализа в протеомике

With recent advances in mass spectrometry-based proteomics technologies, deep profiling of hundreds of proteomes has become increasingly feasible. ...

Протокол программного обеспечения JUMPn направлен на облегчение биологической интерпретации количественных данных протеомики. Программа способна организовать весь белок в иерархию уровней кластеров коэкспрессии и модулей белкового взаимодействия. Примечательно, что программное обеспечение JUMPn упрощает анализ кластеризации коэкспрессии, обогащения путей и обнаружения модулей PPI.Он обеспечивает удобный интерфейс и интерактивную визуализацию данных и сетей. Хотя мы успешно продемонстрировали применение JUMPn в анализе данных всего протеома, метод легко распространяется на другие типы данных, включая анализ фосфопротеомики и данные интерактома из масс-спектрометрии аффинной очистки. Чтобы настроить программное обеспечение JUMPn, загрузите исходный код с веб-сайта и установите программное обеспечение на терминал командной строки.Чтобы запустить программное обеспечение JUMPn, измените текущий каталог на папку выполнения, введя cd execution" на терминале, а затем введите текст на терминале, чтобы запустить JUMPn в веб-браузере. На домашней странице JUMPn нажмите кнопку «Начать анализ», чтобы начать анализ JUMPn, затем в левом нижнем углу страницы «Начать анализ» нажмите кнопку «Загрузить демонстрационные протеомные данные B-cell», чтобы просмотреть уведомление об успешной загрузке данных. В правом нижнем углу страницы нажмите на кнопку «Отправить анализ JUMPn», чтобы начать демонстрационный запуск с использованием параметров по умолчанию.Индикатор выполнения будет обозначать ход анализа. Дождитесь выполнения индикатора выполнения. Как только демонстрационный запуск будет завершен, появится диалоговое окно с сообщением об успешном запуске и абсолютным путем к папке результатов, затем нажмите на вкладку «Продолжить к результатам».Поскольку веб-страница ведет к результатам кластера со-выражений алгоритма WGCNA, нажмите «Просмотреть результаты» в диалоговом окне, чтобы продолжить. В левой части страницы результатов 1 WGCNA Output найдите шаблоны совместной экспрессии белка и используйте команду Выбрать формат выражения для навигации между двумя форматами рисунков. Рисунок Boxplot будет выбран по умолчанию.Выберите «Тенденции», чтобы отобразить график тенденций, где каждая строка представляет индивидуальное содержание белка в разных образцах. Цвет каждой строки показывает, насколько близок шаблон выражения к консенсусу кластера со-выражений. Справа от выходной страницы WGCNA можно просмотреть тепловую карту обогащения онтологии Pathway Ontology.В тепловой карте наиболее обогащенные пути для каждого кластера будут отображаться вместе. Затем прокрутите веб-страницу вниз, чтобы просмотреть шаблон выражения для отдельных белков. Используйте раскрывающийся список, выберите кластер коэкспрессии для изучения белков из каждого кластера, затем выберите конкретный белок в таблице, на котором график под таблицей будет автоматически обновлен, чтобы отразить его содержание белка.Для конкретных названий белков используйте поле Поиск в правой части таблицы. Позже посмотрите на белково-белковое взаимодействие или результаты PPI, нажав на странице результатов 2 PPI Output» вверху. Чтобы получить результаты для определенного кластера соэкспрессий, перейдите на вкладку «Выбрать кластер совместного выражения».Отображение всех фигурных панелей будет обновлено для вновь выбранного кластера. На панели рисунков слева просмотрите сети PPI для выбранного кластера совместного выражения, используя раскрывающийся список Выбор по группам и выделив отдельные модули PPI в сети, а затем перейдите к выбранному формату макета сети, чтобы изменить макет сети. Используя мышь и трекпад, увеличьте или уменьшите масштаб сети PPI для просмотра имен генов каждого узла в сети.При увеличении масштаба выберите и щелкните определенный белок, чтобы выделить белок и его сетевых соседей. В сети перетащите определенный узел, чтобы изменить его положение в макете и реорганизовать макет сети. На правой панели страницы результатов PPI изучите информацию на уровне кластера коэкспрессии, которая помогает интерпретировать результаты PPI.Шаблон совместного выражения в выбранном кластере по умолчанию можно рассматривать как boxplot. Выбрать тенденции», чтобы показать график тенденций для шаблона совместного выражения, а затем выбрать график полосы пути, чтобы показать значительно обогащенные пути для кластера коэкспрессии с графиком круга пути, просмотреть значительно обогащенные пути для кластера коэкспрессии в формате кругового графика. Чтобы просмотреть результаты на уровне отдельного модуля PPI, прокрутите страницу результатов вниз до веб-страницы вывода PPI и разверните раскрывающийся список Выберите модуль, чтобы выбрать конкретный модуль PPI для отображения.Просмотрите модуль PPI на левой панели, манипулируйте сетевым дисплеем, как описано выше. На правой панели просмотрите результаты обогащения онтологии пути, затем используйте раскрывающийся список Выберите стиль аннотации Pathway и отметьте вкладку barplot, чтобы отобразить дополнительную информацию и отображение о значительно обогащенных путях для выбранного модуля PPI. График круга тиков для отображения значительно обогащенных путей для выбранного модуля PPI в формате кругового графика и использования тепловой карты для отображения значительно обогащенных путей и связанных с ними названий генов.Перейдите на вкладку «Таблица», чтобы отобразить подробные результаты обогащения путей, включая названия путей, термины онтологии, имена генов и значение P по точному тесту Фишера. Следуйте абсолютному пути, напечатанному в верхней части страниц результатов, и найдите таблицу электронной таблицы публикации. JUMPn разработан на платформе R shiny для удобного интерфейса и объединяет три основных функциональных модуля.Кластерный анализ коэкспрессии, анализ обогащения путей и сетевой анализ PPI. После каждого анализа результаты автоматически визуализируются в наших настраиваемых с помощью функций блестящего виджета R и легко загружаются в виде таблиц публикации и формата Microsoft Excel. Для сетевого анализа PPI была скомпилирована составная сеть PPI путем объединения баз данных STRING, BioPlex и в веб-базах обмена мгновенными сообщениями.Окончательная объединенная сеть PPI охватывает более 20 000 человеческих генов с 1 100 000 ребер. Этот комплексный интерактом включен и опубликован в комплекте с программным обеспечением JUMPn для чувствительного анализа PPI. Сетевые подходы, которые используют как коэкспрессию, так и сети белкового взаимодействия, могут быть использованы в качестве дополнительного метода для вывода активности в транскрипционных факторах и киназах.

Research

JoVE Journal

Biochemistry

Method for Identifying Small Molecule Inhibitors of the Protein-protein Interaction Between HCN1 and TRIP8b

Способ идентификации низкомолекулярных соединений ингибиторов белок-белкового взаимодействия между HCN1 и TRIP8b

Hyperpolarization-activated cyclic nucleotide-gated (HCN) channels are expressed ubiquitously throughout the brain, where they function to regulate the ...

Lipid Droplet Isolation for Quantitative Mass Spectrometry Analysis

Липидное Выделение капельного для количественной анализа масс-спектрометрии

Lipid droplets are vital to the replication of a variety of different pathogens, most prominently the Hepatitis C Virus (HCV), as the putative site of ...

Extracellular Protein Microarray Technology for High Throughput Detection of Low Affinity Receptor-Ligand Interactions

Внеклеточный протеин технология Microarray для высокой пропускной способности обнаружения низкого сродства рецептор лиганд взаимодействий

Secreted factors, membrane-tethered receptors, and their interacting partners are main regulators of cellular communication and initiation of signaling ...

Preparation of Chloroplast Sub-compartments from Arabidopsis for the Analysis of Protein Localization by Immunoblotting or Proteomics

Подготовка хлоропласта суб отсеков от Arabidopsis для анализа белка локализации Immunoblotting или протеомики

Chloroplasts are major components of plant cells. Such plastids fulfill many crucial functions, such as assimilation of carbon, sulfur and nitrogen as ...

Analysis of Protein Folding, Transport, and Degradation in Living Cells by Radioactive Pulse Chase

Анализ сворачивание белков, транспорта и деградации в живых клетках, радиоактивных пульс Чейз

Radioactive pulse-chase labeling is a powerful tool for studying the conformational maturation, the transport to their functional cellular location, and ...

Detection of Protein Ubiquitination Sites by Peptide Enrichment and Mass Spectrometry

Обнаружение мест убиквитирования белка путем обогащения пептида и масс-спектрометрии

The posttranslational modification of proteins by the small protein ubiquitin is involved in many cellular events. After tryptic digestion of ...

Application of Biolayer Interferometry (BLI) for Studying Protein-Protein Interactions in Transcription

Application of Biolayer Interferometry BLI for Studying Protein-Protein Interactions in Transcription

Применение биослойной интерферометрии (BLI) для изучения белково-белковых взаимодействий в транскрипции

A transcription factor&#160;(TF) is a protein that regulates gene expression by interacting with the RNA polymerase, another TF, and/or template DNA. GrgA ...

Quantification of Protein Interaction Network Dynamics using Multiplexed Co-Immunoprecipitation

Количественная оценка динамики взаимодействия белков с использованием мультиплексного со-иммунопрециации

Dynamic protein-protein interactions control cellular behavior, from motility to DNA replication to signal transduction. However, monitoring dynamic ...

PeptiQuick, a One-Step Incorporation of Membrane Proteins into Biotinylated Peptidiscs for Streamlined Protein Binding Assays

Pepti'uick, одноступенчатая инкорпорация мембранных белков в биотинилатированные пептидиски для оптимизированных белковых связывающих анализов

Membrane proteins, including transporters, channels, and receptors, constitute nearly one-fourth of the cellular proteome and over half of current drug ...

TMT Sample Preparation for Proteomics Facility Submission and Subsequent Data Analysis

TMT Пример ы подготовки к протеомики объекта представления и последующего анализа данных

Proteomic technologies are powerful methodologies that can aid our understanding of mechanisms of action in biological systems by providing a global view ...